支持向量机(Support Vector Machine)是Cortes和Vapnik于1995年首先提出的,它在解决小样本、非线性及高维模式识别中表现出许多特有的优势,并能够推广应用到函数拟合等其他机器学习问题中。
1 数学部分
1.1 二维空间
C = 30 ; theta = 2 ;%C为最小二乘支持向量机的正则化参数,theta为高斯径向基的核函数参数,两个需要进行优化选择调试 NumOfPre = 1 ;%预测天数,在此预测本季度最后七天 %以负荷的加权为参考 1 al = 2 ;%温度的加权 be = 1 ;%湿度的加权 th = 1 ;%星期的加权 Time = 48 ; Data = xlsread( 'input.xls' );%此为从excel表格读数据的命令,表示将表格的数据读到Data数组中,省略表格中的第一行第一列文字部分 可输入你要预测的表格名称 Data = Data( 2 :end,:); [M,N] = size(Data);%计算读入数据的行和列 M行N列 Data1 = Data; for i = 1 : 2 maxData = max(Data(:,i)); minData = min(Data(:,i)); Data1(:,i) = (Data(:,i) - minData)/(maxData-minData);%对温度进行归一化处理 for i = 4 :N Data1(:,i) = log10 (Data(:,i)) ;%对负荷进行对数处理 温度和负荷的预处理 可采用不同的方法 可不必拘泥 Dim = M - 2 - NumOfPre;%训练样本数%拥有完整特征描述的数据共有M -2 组!! Input = zeros(M, 8 ,Time);%预先分配处理后的输入向量空间% 8 是特征空间的维度!也是x的元素数!! y = zeros(Dim,Time); for i = 3 :M for j = 1 :Time %%选取前一天温度、同一时刻的负荷,前两天的负荷,当天的温度作为输入特征 x = [Data1(i -1 , 1 : 3 ), Data1(i -1 ,j+ 3 ), Data1(i -2 ,j+ 3 ),Data1(i, 1 : 3 )];%x就是每一个负荷对应的特征向量!!! x( 1 )=al*x( 1 ); x( 6 )=al*x( 6 ); x( 2 )=be*x( 2 ); x( 7 )=be*x( 7 ); x( 3 )=th*x( 3 ); x( 8 )=th*x( 8 ); Input(i -2 ,:,j) = x;%Input(i,:,k)的含义为:第i天第j个时刻的负荷所对应的特征向量 y(i -2 ,j) = Data1(i,j+ 3 ); Dist = zeros(Dim,Dim,Time);%预先分配距离空间 for i= 1 :Time for j= 1 :Dim for k= 1 :Dim Dist(j,k,i) = (Input(j,:,i) - Input(k,:,i))*(Input(j,:,i) - Input(k,:,i)) ';

三、运行结果

版本:2014a

  • 私信
    1,568
  •